CartPole

使用PyTorch实现随机搜索策略

目录1.随机搜索策略2.使用PyTorch实现随机搜索算法1.随机搜索策略在本节中，我们将学习一种比随机选择动作更复杂的策略来解决CartPole问题——随机搜索策略。
·2022-07-17 09:18

利用PyTorch实现爬山算法

目录0.前言1.使用PyTorch实现爬山算法1.1爬山算法简介1.2使用爬山算法进行CartPole游戏2.改进爬山算法0.前言在随机搜索策略中，每个回合都是独立的。
·2022-07-17 08:04

PyTorch策略梯度算法详情

目录0.前言1.策略梯度算法2.使用策略梯度算法解决CartPole问题0.前言本节中，我们使用策略梯度算法解决CartPole问题。虽然在这个简单问题中，使用随机搜索策略和爬山算法就足够了。
·2022-07-17 08:43

强化学习算法 DDPG 解决 CartPole 问题，代码逐条详解

本文内容源自百度强化学习7日入门课程学习整理感谢百度PARL团队李科浇老师的课程讲解使用DDPG解决连续控制版本的CartPole问题，给小车一个力（连续量）使得车上的摆杆倒立起来。
AItrust·2022-07-17 07:21

深度强化学习DQN详解CartPole

一、获取并处理环境图像本文所刨析的代码是“pytorch官网的DQN示例”（页面），用卷积层配合强化训练去学习小车立杆，所使用的环境是“小车立杆环境”（CartPole）（源码）。
baidu_huihui·2022-07-17 07:07

分别使用常规控制和强化学习方法解决cartpole swing-up问题

分别使用常规控制和强化学习方法解决cartpoleswing-up问题使用常规方法控制使用强化学习来控制（重点说明）①首先使用[spinningup](https://spinningup.openai.com/en/latest/)写好的算法来训练②使用[stablebaselines3](https://github.com/DLR-RM/stable-baselines3)提供的算法来训练参
born-in-freedom·2022-07-17 07:07

强化学习记录——PolicyGradient跑CartPole-v0

代码cr:MorvanZhou(Morvan)·GitHub一、CartPole-v0环境介绍：一根杆子由一个非驱动的关节连接到小车上，小车沿着无摩擦的轨道移动。
暗里花儿·2022-07-17 07:37

CartPole 强化学习详解2 - Policy Gradient

也叫Reinforce算法，原始实现：examples/reinforce.pyatmain·pytorch/examples·GitHub参考代码：https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow/blob/master/contents/7_Policy_gradient_softmax/RL_brain.
Oxalate-c·2022-07-17 07:02

CartPole 强化学习详解1 - DQN

工作中常会接触到强化学习的内容，自己以gym环境中的Cartpole为例动手实现一下，记录点实现细节。
Oxalate-c·2022-07-17 07:32

CartPole环境下的强化学习

CartPole环境下的强化学习实验题目以CartPole为环境，实现DQN和PG算法，要求进行可视化(reward,loss,entropy等）。
HuangDell·2022-07-17 07:29

强化学习 OpenAI Gym Universe Docker在Windows WSL 2安装配置最全的全记录

1.事情的起源全记录事情的起源是为了学习Python强化学习实战，先在自己的windows操作系统的Pycharm+Anaconda+Gym配置下运行成功了CartPole示例和CarRacing示例，
好程序不脱发·2022-06-29 15:55

PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础

PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础0.前言1.搭建PyTorch环境2.OpenAIGym简介与安装3.模拟Atari环境4.模拟CartPole环境5.PyTorch
盼小辉丶·2022-05-30 07:30

动手强化学习（六）：DQN 算法

动手强化学习（六）：DQN算法1.简介2.CartPole环境3.DQN3.1经验回放3.2目标网络4.DQN代码实践5.以图像为输入的DQN算法6.小结文章转于伯禹学习平台-动手学强化学习（强推）本文所有代码均可在
Jasper0420·2022-05-22 07:24

baselines示例程序train_cartpole.py的ImportError

于是我今天安装了baselines，其中还是有一些坑的，这里主要介绍在安装完成之后，运行示例时cartpole.py所遇到的坑，它叫做ImportError。
·2022-05-20 14:19

强化学习基础记录

一、环境介绍  这里使用的是gym环境的’CartPole-v0’，在这里做简要介绍，详细介绍附上链接。  
喜欢库里的强化小白·2022-05-16 07:06

强化学习基础记录

一、环境介绍  这里使用的是gym环境的’CartPole-v1’，该环境和上篇文章的’CartPole-v0’几乎没有什么区别，主要区别在于每个回合的最大步数和奖励的有关定义，如下
喜欢库里的强化小白·2022-05-16 07:23

RL调参侠之BipedalWalker PPO

最开始用CartPole和Pendulum这种简单的任务跑PPO,
hyx07·2022-05-08 07:41

强化学习基础篇 OpenAI Gym 环境搭建demo

OpenAIGym服务：提供一个站点和API（比如经典控制问题：CartPole-v0），允许用户对他们的测试结果进行比较。2.Gym
sinat_28371057·2022-04-23 09:19

强化学习（九）- 策略梯度方法 - 梯度上升，黑箱优化，REINFORCE算法及CartPole实例

策略梯度方法引言9.1策略近似和其优势9.2策略梯度定理9.2.1梯度上升和黑箱优化9.2.2策略梯度定理的证明9.3REINFORCE:蒙特卡洛策略梯度9.3.1轨迹上的REINFORCE算法9.3.2REINFORCE算法实例9.4带基线的REINFORCE算法引言在之前介绍的方法中，几乎所有方法都是动作价值方法（action-valueMethod），通过学习动作价值并基于动作价值来学做动作
Stan Fu·2022-04-14 07:17

深度强化学习笔记——DQN原理与实现（pytorch+gym）

概要本文主要总结深度强化学习中无模型基于值方法的DQN算法，说明其算法原理并用该算法在gym提供的cartpole上进行实现。有任何不准确或错误的地方望指正！
RavenRaaven·2022-03-23 08:52

PyTorch 强化学习 01.强化学习（DQN）

本教程介绍如何使用PyTorch从OpenAIGym中的CartPole-v0任务上训练一个DeepQLearning(DQN)代理。
AI学习社·2022-03-23 07:05

强化学习DQN并玩CartPole游戏

强化学习DQN并玩CartPole游戏1、强化学习一张经典的关于强化学习的图。
Hibiki阿杰·2022-03-22 07:32

paddle2.2.0：DQN算法训练cartpole游戏

DQN，基于Q-learning，结合了神经网络，不再使用Q表格来存储Q值，而是用神经网络拟合的方式，可以大大减少内存的占用，同时也更加省时。DQN在Q-learning的基础上，又添加了经验池回放和固定Q网络两个新的技巧LEARN_FREQ=5MEMORY_SIZE=20000MEMORY_WARMUP_SIZE=200BATCH_SIZE=32LEARNING_RATE=0.001GAMMA=
前行_的路上·2021-11-29 23:28

深度强化学习——Policy Gradient 玩转 CartPole 游戏

manwritingonpaperImagefromunsplash.combyhelloquence前面的文章我们介绍了Q-learning,DQN等方法都是基于价值的强化学习方法，今天我们介绍的PolicyGradient方法是基于策略的强化学习方法。该方法的理论部分已经介绍过了，这里就不赘述了，直接上手项目。本文的全部代码可在我的githubrepo中查看https://github.com
Hongtao洪滔·2021-05-09 10:44

使用tune.run怎么获取model summary的信息

也可以显式调用获取modelsummary的API，就像下面这样>>>fromray.rllib.agents.ppoimportPPOTrainer>>>trainer=PPOTrainer(env="CartPole-v0
born-in-freedom·2021-05-06 18:24

cartpole强化学习DQN实战

本文章通过keras实现DQN算法来解决倒立摆的平衡问题一.环境cartpole是一个经典的环境，可以验证许多的算法。
小雅不采薇·2021-01-26 13:05

DQN实战CartPole

这篇博文要讲解的是利用DQN来做CartPole任务回报的定义：我们知道，给定一个状态sss，agent根据策略π(a∣s)\pi(a|s)π(a∣s)做出行为aaa，得到的奖励是rrr，然后环境根据状态转移概率
xhsun1997·2020-12-27 11:26

强化学习算法复现（六）：PG（reinforce）_gym倒立摆

importgymimportnumpyasnpfromitertoolsimportcountimporttorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorch.optimasoptimfromtorch.distributionsimportCategoricalenv=gym.make('CartPole-v1
保护我方vivian·2020-12-23 15:49

强化学习之基于gym环境的DQN算法实战（Pytorch）

之前有写过利用DQN算法去解决Cartpole任务和Mountaincar任务，具体可见强化学习之DQN算法实战（Pytorch）：https://blog.csdn.net/MR_kdcon/article
Ton10·2020-12-08 20:16

tensorflow2 目标检测_TensorFlow 2.0深度强化学习指南

在本教程中，我将通过实施AdvantageActor-Critic(演员-评论家，A2C)代理来解决经典的CartPole-v0环境，通过深度强化学习(DRL)展示即将推出的TensorFlow2.0特性
weixin_39941620·2020-11-23 13:16

DQN小车爬山——pytorch实现

gym常用环境gym常用环境：gym常用的研究问题打开CartPole-v1，查看其源代码如图所示：可以在描述行中看到，该环境有4个观测值，分别
小研一枚·2020-09-14 07:20

强化学习之Gym基础入门(1)

下面是Gym中cartpole的模
会飞的小鸡·2020-09-12 08:47

Policy_Gradient-cartpole (keras)

importosos.environ["TF_CPP_MIN_LOG_LEVEL"]='3'importsysimportgymimportnumpyasnpfromkeras.layersimportDensefromkeras.modelsimportSequentialfromkeras.optimizersimportAdamclassPG_Agent:def__init__(self):
飞翔的貅貅·2020-08-25 01:46

笔记：强化学习 策略梯度算法

他不再去学习价值函数Q函数，而是直接通过模型比如神经网络输入需要采取的动作以Cartpole游戏为例，平台上面有一个直立的杆，我们不断左右移动平台，每一个时刻都可以获得奖励reward。
朱小丰·2020-08-25 01:57

强化学习RL实战篇

动手实现RL运行一个环境（environment）运行一维一级倒立摆环境：importgymenv=gym.make('CartPole-v0')env.reset()for_inrange(1000)
丫头片子不懂事·2020-08-25 01:46

Stable Baselines/用户向导/开始

下面是一个简单的案例，展示如何在Cartpole环境中训练和运行PPO2.importgymfromstable_baselines.common.policiesimportMlpPolicyfromstable_baselines.c
Quant_Learner·2020-08-25 00:32

openAI gym动作空间

importgymenv=gym.make('CartPole-v0')print(env.action_space)#>Discrete(2)print(env.observation_space)#
qq_16568205·2020-08-24 15:19

强化学习-cs294-hw2-demo

本来在做Berkeley的cs294的hw2，但是由于对gym环境，比如observation和action的数据形式，和对TensorFlow的不熟悉，所以针对gym的CartPole-v0环境做一个演员
Mk265·2020-08-24 06:21

强化学习系列之OpenAI的入门

第三章翻译OpenAI用户手册(二)第四章翻译OpenAI用户手册(三)目录1.简介2.Gym游戏环境的安装3.Gym所含的游戏3.1打砖块Breakout-v0或Breakout-v43.2倒立摆游戏CartPole-v0
kissgoodbye2012·2020-08-22 10:43

用一个小游戏入门深度强化学习

今天我们来用深度强化学习算法deepQ-learning玩CartPole游戏。
Alice熹爱学习·2020-08-19 08:06

torch DQN算法

强化学习CartPole任务的设计使得代理的输入是4个实际值，表示环境状态（位置，速度等）。然而，神经网络可以纯粹通过观察场景来解决任务，因此我们将使用以cart为中心的屏幕补丁作为输入。
缠禅可禅·2020-08-17 16:44

Pytorch强化学习玩微信小游戏

首先是与调试环境交互相关的代码讲解：B.其次是神经网络代码的讲解C.最后就是模型训练的代码了四.总结1.前言：学习了DQN有一段时间了，在我接触到的入门教程里，一般都是用它来玩集成好的Gym的游戏比如CartPole-v0
凡 者·2020-08-17 14:17

强化学习经典算法笔记(十八)：离散动作空间REINFORCE算法

离散动作空间REINFORCE算法在文章强化学习经典算法笔记(七)：策略梯度算法PolicyGradient中介绍了连续动作空间的PolicyGradient算法，最近需要用到离散空间的版本，遂写了个CartPole-v1
赛艇队长·2020-08-16 12:25

OpenAI Gym--Classical Control 环境详解

OpenAIGym-ToyExamples概述一、ClassicControl参数1.1CartPole-v11.2Acrobot-v11.3MountainCar-v01.4MountainCarContinuous-v01.5Pendulum-v0
Nemo555·2020-08-13 21:45

OpenAI Gym 关于CartPole的模拟退火解法

前言今天测试OpenAIGym，然后发现CartPole的最快实现快到离谱，使用SimulatedAnnealing，也就是SA模拟退火法。
songrotek·2020-08-13 18:01

【PaddlePaddle】 强化学习(CartPole-v1)

DeepQ-LreaningQ-LearningDQN记忆库和FixedQ-target代码思路模型的搭建运行结果介绍这篇文章主要介绍如何使用PaddlePaddleFluid实现强化学习，通过机器自我学习，完成一个经典的游戏CartPole-v1
Seeklhy·2020-08-13 17:44

【深度学习】对强化学习的理解（在CartPole-v1游戏下的强化学习）

在上篇文章中【PaddlePaddle】强化学习(CartPole-v1)，我们介绍了如何使用PaddlePaddle在CartPole-v1游戏上实现强化学习，但是对实现思想讲解的不是很多，也不是很清晰
Seeklhy·2020-08-13 17:44

Tensorflow实现策略网络（深度强化学习）之cartPole

实现cartPole需要使用的模块-gym gym现在只能在ubuntu上使用，安装如下：sudopipinstallgym费话
漫山·2020-08-13 16:10

强化学习（一）Q-Learning/DQN之CartPole

游戏的全过程可以理解为AI智能体和环境之间的互动，我们把其中复杂的因素抽象为三个变量——报酬、行动、状态。状态(s)编号名称最小值最大值0小车的位置-2.42.41小车的速度-infinf2木棒的角度-41.841.83木棒的速度-infinf行动(a)对于某一个状态s采取的行动A(s)应该包括以下两种：0:小车向左移动1:小车向右移动报酬®木棒每保持平衡1个时间步，就得到1分每一场游戏的最高得分
nodototao·2020-08-13 16:52

强化学习之CartPole游戏(Q-learning)

CartPole是OpenAIgym中的一个游戏测试https://gym.openai.com/envs/CartPole-v1/目的是通过强化学习让Agent控制cart，使pole尽量长时间不倒这里用
蓝羽飞鸟·2020-08-13 15:18
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他